Chatterbox 语音合成
不花 API 费用地做本地语音合成,适合视频配音、播客片头和课程旁白。
功能与用途
这个技能做的是本地 TTS:把文字或素材合成语音,并调整清晰度、节奏和输出格式,最大的卖点是不产生 API 费用。适用场景包括 YouTube 视频旁白、播客片头片尾、有声书、课程内容配音、自定义 AI 语音助手和多语种内容。边界也很明确:需要实时流式输出时改用其他 TTS 服务;需要上百种音色时改用 Azure 或 Google 的 TTS;计算资源极其有限时不适用。
适用场景
- 视频与课程旁白配音:提供文本及10至60秒参考音频克隆音色,在本地零API成本生成音画契合的解说词与教学课程旁白。
- 播客片头片尾制作:基于预设的人声音频样本,批量合成风格一致的播客开场白、过场音效或片尾寄语,省去外包配音流程。
- 带字幕时间戳的有声书朗读:将长文本转换为连续的有声书语音,并利用集成能力输出字级时间戳,便于同步生成高精度字幕。
适用人群
- 视频创作者
- 课程制作方
- 播客主
使用步骤
- 准备要合成的文本与期望的音色
- 确认本地算力足以跑合成
- 生成语音并调整清晰度与节奏
- 导出所需格式
- 需要实时流式或海量音色时改用云端服务
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- 效率
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes、国内 Agent
- 使用难度
- 进阶
- 版本
- main
- 最近更新
- 2026-09-09
- 文件数
- 3
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
Use when free local TTS with voice cloning using Chatterbox. Zero API
使用前准备
- 本地计算资源
- 待合成的文本或素材
依赖与权限
- 读取用户主动提供的内容